1. 14
2.2 Métodos directos
Son procedimientos para obtener resultados realizando una secuencia finita de operaciones
aritméticas. La cantidad de cálculos aritméticos depende del tamaño del problema. El resultado
obtenido será exacto siempre que se puedan conservar en forma exacta los valores calculados
en las operaciones aritméticas, caso contrario se introducirán los errores de redondeo.
Ejemplo. Instrumentar un método directo para resolver un sistema triangular inferior de
ecuaciones lineales.
Modelo matemático
a1,1x1 = b1
a2,1x1 + a2,2x2 = b2
a3,1x1 + a3,2x2 + a3,3x3 = b3
. . . .
an,1x1 + an,2x2 + ax,3x3 + . . . + an,nxn = bn
Siendo: ai,j: coeficientes (datos)
bi : constantes (datos)
xi : variables (resultados)
La formulación matemática del método se obtiene despejando sucesivamente xi de la ecuación i
x1 =
1,1
1
a
(b1)
x2 =
2,2
1
a
(b2 - a2,1x1)
x3 =
3,3
1
a
(b3 - a3,1x1 - a3,2x2)
. . .
En general:
xi =
i,i
1
a
(bi - ai,1x1 - ai,2x2 - . . . - ai,i-1xi-1), i = 2, 3, . . . , n, ai,i ≠ 0
Algoritmo
1) Dados n, a, b
2) Calcular x1 =
1,1
1
a
(b1)
3) Para i=2,3,…, n
4) Calcular xi =
i,i
1
a
(bi - ai,1x1 - ai,2x2 - . . . - ai,i-1xi-1)
5) fin
6) El vector x contendrá la solución exacta
Este algoritmo es un caso particular del problema general: solución de un sistema de ecuaciones
lineales. Los métodos numéricos normalmente se desarrollan para resolver una clase o tipo
general de problemas

2. 15
Instrumentación computacional en MATLAB
Para que la instrumentación sea general es preferible diseñar cada método numérico
independientemente de los datos de un problema particular. Una instrumentación adecuada
consiste en escribir una función para facilitar el uso del método numérico.
El nombre para la función será triangular. La función recibirá como datos la matriz de
coeficientes a y el vector de constantes b y producirá como resultado el vector solución x
function x = triangular(a, b)
n = length(b);
x(1) = b(1)/a(1,1);
for i = 2: n
s = 0;
for j = 1: i-1
s = s + a(i,j)*x(j);
end
x(i) = (b(i) - s)/a(i,i);
end
Ejemplo. Escribir los comandos para resolver el siguiente problema usando la función anterior
3x1 = 2
7x1 + 5x2 = 3
8x1 + 2x2 + 9x3 = 6
>> a = [3 0 0; 7 5 0; 8 2 9] Definir la matriz
>> b = [2; 3; 6] Definir el vector de constantes
>> x = triangular(a, b) Uso de la función
Interacción con MATLAB
Ventana de
comandos
Ventana de
edición
Resultados
obtenidos
Ingreso de
comandos
Escribir y
almacenar la
función

3. 16
2.2.1 Eficiencia de los métodos directos
La eficiencia de un algoritmo está relacionada con el tiempo necesario para obtener la solución.
Este tiempo depende de la cantidad de operaciones aritméticas que se deben realizar. Así, si se
tienen dos algoritmos para resolver un mismo problema, es más eficiente el que requiere menos
operaciones aritméticas para producir el mismo resultado. Adicionalmente, el algoritmo más
eficiente acumulará menos error si los resultados son números reales que no pueden
representarse en forma exacta en el dispositivo de cálculo.
Sea n el tamaño del problema, y T(n) la eficiencia del algoritmo (cantidad de operaciones
aritméticas requeridas). Para obtener T(n) se pueden realizar pruebas en el computador con
diferentes valores de n registrando el tiempo de ejecución. Siendo este tiempo proporcional a la
cantidad de operaciones aritméticas que se realizaron, se puede estimar la función T(n).
Esta forma experimental para determinar T(n) tiene el inconveniente que requiere la
instrumentación computacional del algoritmo para realizar las pruebas. Es preferible conocer la
eficiencia del algoritmo antes de invertir esfuerzo en la programación computacional.
Para determinar T(n) se puede analizar la formulación matemática del método numérico o la
estructura del algoritmo.
Ejemplo. El siguiente algoritmo calcula la suma de los cubos de los primeros n números
naturales. Encontrar T(n)
Sea T la cantidad de sumas que se realizan
. . .
s ← 0
Para i=1, 2, ..., n
s ← s + i
3
fin
. . .
La suma está dentro de una repetición que se realiza n veces, por lo tanto,
T(n) = n
Ejemplo. El siguiente algoritmo suma los elementos de una matriz cuadrada a de orden n.
Encontrar T(n)
Sea T la cantidad de sumas
. . .
s←0
Para i=1, 2, ..., n
Para j=1, 2, ..., n
s ← s + ai, j
fin
fin
. . .
La suma está incluida en una repetición doble. La variable i, cambia n veces y para cada uno de
sus valores, la variable j cambia n veces. Por lo tanto.
T(n) = n
2

4. 17
Ejemplo. El siguiente algoritmo es una modificación del anterior. Suponga que se desea sumar
únicamente los elementos de la sub-matriz triangular superior. Obtener T(n)
. . .
s←0
Para i=1, 2, ..., n
Para j=i, i+1, ..., n
s ← s + ai, j
fin
fin
. . .
Si no es evidente la forma de T(n), se puede recorrer el algoritmo y anotar la cantidad de sumas
que se realizan
i j
1 n
2 n-1
3 n-2
... ...
n-1 2
n 1
Entonces, T(n) = 1 + 2 + .... + n =
2
n n n
(n 1)
2 2 2
+ = + (suma de una serie aritmética)
2.2.2 La notación O( )
Supongamos que para resolver un problema se han diseñado dos algoritmos: A y B, con
eficiencias TA(n) = 10n+2, TB(n) = 2n
2
+ 3, respectivamente. ¿Cual algoritmo es más eficiente?.
Para valores pequeños de n, TB(n) < TA(n), pero para valores grandes de n, TA(n) < TB(n). Es
de interés práctico determinar la eficiencia de los algoritmos para valores grandes de n. Por lo
tanto el algoritmo A es más eficiente que el algoritmo B como se puede observar en el gráfico:
Si T(n) incluye términos con n que tienen diferente orden, es suficiente considerar el término de
mayor orden pues es el que determina la eficiencia del algoritmo cuando n es grande. No es
necesario incluir los coeficientes y las constantes.

5. 18
n [log(n)] n [n log(n)] n
2
n
3
2
n
n!
1 0 1 0 1 1 2 1
3 1 3 3 9 27 8 6
5 1 5 8 25 125 32 120
7 1 7 13 49 343 128 5040
9 2 9 19 81 729 512 3.62x10
5
11 2 11 26 121 1331 2048 3.99x10
7
13 2 13 33 169 2197 8192 6.22x10
9
15 2 15 40 225 3375 32768 1.30x10
12
17 2 17 48 289 4913 1.31x10
5
3.55x10
14
19 2 19 55 361 6859 5.24x10
5
1.21x10
17
21 3 21 63 441 9261 2.09x10
6
5.10x10
19
23 3 23 72 529 12167 8.38x10
6
2.58x10
22
25 3 25 80 625 15625 3.35x10
7
1.55x10
25
50 3 50 195 2500 125000 1.12x10
15
3.04x10
64
100 4 100 460 10000 1000000 1.26x10
30
9.33x10
157
Ejemplo. Suponga T(n) = n
2
+ n + 10. Evaluar T para algunos valores de n
T(2) = 4 + 2 + 10
T(5) = 25 + 5 + 10
T(20) = 400 + 20 + 10
T(100) = 10000 + 100 + 10
Se observa que a medida que n crece, T depende principalmente de n
2
. Este hecho se puede
expresar usando la notación O( ) la cual indica el “orden” de la eficiencia del algoritmo, y se
puede escribir: T(n) = O(n
2
) lo cual significa que la eficiencia es proporcional a n
2
, y se dice que
el algoritmo tiene eficiencia cuadrática o de segundo orden.
En general, dado un problema de tamaño n, la medida de la eficiencia T(n) de un algoritmo se
puede expresar con la notación O(g(n)) siendo g(n) alguna expresión tal como: n, n
2
, n
3
, ...,
log(n), n log(n), ..., 2
n
, n!, ... la cual expresa el orden de la cantidad de operaciones aritméticas
que requiere el algoritmo.
Es de interés medir la eficiencia de los algoritmos para problemas de tamaño grande, pues para
estos valores de n se debe conocer la eficiencia. En el siguiente cuadro se ha tabulado T(n) con
algunos valores de n y para algunas funciones típicas g(n).
Tabulación de T(n) con algunos valores de n para algunas funciones típicas g(n)
Los algoritmos en las dos últimas columnas son de tipo exponencial y factorial
respectivamente. Se puede observar que aún con valores relativamente pequeños de n el valor
de T(n) es extremadamente alto. Los algoritmos con este tipo de eficiencia se denominan no-
factibles pues ningún computador actual pudiera calcular la solución en un tiempo aceptable
para valores de n grandes
La mayoría de los algoritmos que corresponden a los métodos numéricos son de tipo polinomial
con g(n) = n, n
2
, n
3
.

6. 19
2.2.3 Error de redondeo
Los métodos numéricos operan con datos que pueden ser inexactos y dispositivos para registrar
o representar a los números reales. El error de redondeo se atribuye a la imposibilidad de
almacenar todas las cifras de estos números y a la imprecisión de los instrumentos de medición
con los cuales se obtienen los datos.
Definición: Error de redondeo
Sean X: Valor exacto (normalmente desconocido)
X : Valor aproximado (observado o calculado)
EX = X – X Error de redondeo .
Definición: Error de redondeo relativo
Sean X: Valor exacto (normalmente desconocido)
X : Valor aproximado (observado o calculado)
E: Error de redondeo
X X
X
E E
e
X X
= ≅ : Error de redondeo relativo. (X, X diferentes de cero)
Debido a que normalmente no es posible calcular exactamente el valor de E, se debe intentar al
menos acotar su valor.
2.2.4 Error en la representación de los números reales
Las operaciones aritméticas pueden producir resultados que no se pueden representar
exactamente en los dispositivos de almacenamiento. Si estos errores se producen en forma
recurrente entonces el error propagado pudiera crecer en forma significativa dependiendo de la
cantidad de operaciones requeridas. Esta cantidad de operaciones está determinada por la
eficiencia del algoritmo.
Ejemplo. Suponga que un dispositivo puede almacenar únicamente los cuatro primeros dígitos
decimales de cada número real y trunca los restantes (esto se llama redondeo inferior).
Se requiere almacenar el número:
X = 536.78
Primero expresemos el número en forma normalizada, es decir sin enteros y ajustando su
magnitud con potencias de 10:
X = 0.53678x10
3
Ahora descomponemos el número en dos partes
X = 0.5367x10
3
+ 0.00008x10
3
El valor almacenado es un valor aproximado
X = 0.5367x10
3
El error de redondeo por la limitación del dispositivo de almacenamiento es
R = 0.00008x10
3
= 0.8x10
3 - 4
= 0.8x10
-1
En general, si n es la cantidad de enteros del número normalizado con potencias de 10, y m es
la cantidad de cifras decimales que se pueden almacenar en el dispositivo, entonces si se
truncan los decimales sin ajustar la cifra anterior, el error de redondeo absoluto está acotado por:
n m
| R | 1 10 −
< ∗
Mientras que el error relativo:
n m
mX
n
max(| R |) 1 10
| r | 10 10
min(| R |) 0.1 10
−
−∗
< = =∗
∗
(Solo depende del almacenamiento)

7. 20
2.2.5 Error de redondeo en las operaciones aritméticas
En los métodos directos debe considerarse el error en las operaciones aritméticas cuando la
cantidad de cálculos requeridos es significativo
a) Error de redondeo en la suma
Sean X, Y : Valores exactos
X , Y : Valores aproximados
Con la definición de error de redondeo
EX = X - X , EY = Y - Y
S = X + Y
S = ( X + EX) + ( Y + EY) = ( X + Y ) + (EX + EY)
S = X + Y Valor que se almacena
Error de redondeo absoluto en la suma
EX+Y = EX + EY
|EX+Y| ≤ |EX| + |EY|
Error de redondeo relativo en la suma
X Y X Y X Y X Y
X Y
E E E E E E EX Y
e
X Y X Y X Y X Y X Y X X Y Y
+
+
+
= = = + = +
+ + + + + +
X Y x Y
X Y
e e e
X Y X Y
+= +
+ +
X Y x Y
X Y
| e | | e | | e |
X Y X Y
+ ≤ +
+ +
b) Error de redondeo en la multiplicación
P = X Y
P = ( X + EX) ( Y + EY) = X Y + X EY + Y EX + EXEY
P = X Y + X EY + Y EX El último término se descarta por ser muy pequeño
P = X Y Valor que se almacena
Error de redondeo absoluto en la multiplicación
EXY = X EY + Y EX
|EXY| ≤ | X EY| + | Y EX|
La magnitud del error de redondeo en la multiplicación puede ser tan grande como la suma de
los errores de redondeo de los operandos ponderada por cada uno de sus respectivos valores.
Error de redondeo relativo en la multiplicación
XY Y X Y X Y X
XY
E XE YE XE YE E E
e
XY XY XY XY Y X
+
= = = + = +
XY x Ye e e= +
|XY x Y| e | | e | e |≤ +
En general, si los valores de los operandos tienen ambos el mismo signo, se puede concluir que
la operación aritmética de multiplicación puede propagar más error de redondeo que la suma.
Adicionalmente, si el resultado de cada operación aritmética debe almacenarse hay que agregar
el error de redondeo r debido a la limitación del dispositivo de almacenamiento.

8. 21
2.2.6 Propagación del error de redondeo en las operaciones aritméticas
Algunos casos de interés
a) Suma de números de diferente magnitud
Es suficiente considerar tres números: X, Y, Z. Suponer por simplicidad que los datos son
valores positivos exactos, por lo tanto eX = 0, eY = 0, ez = 0
S = X + Y + Z, con X > Y > Z
a) La suma se realiza en el orden escrito
S = (X + Y) + Z
X Y X Y 1
X Y
e e e r
X Y X Y
+ = + +
+ +
= r1 r1: error de redondeo al almacenar la suma
1 2
(X Y) Z X Y Z 2 1 2
(X Y)r (X Y Z)rX Y Z X Y
e e e r r r
X Y Z X Y Z X Y Z X Y Z
+ + +
+ + + ++ +
= + += +=
+ + + + + + + +
r2: error de redondeo al almacenar la suma
Si cada resultado se almacena en un dispositivo que tiene m cifras su cota de error de redondeo:
m
1 2| r ,r | 10 10−
< ∗
m
(X Y) Z
(2X 2Y Z)10 10
| e |
X Y Z
−
+ +
+ + ∗
<
+ +
Se puede concluir que la suma de números debe realizarse comenzando con los números de
menor magnitud
b) Resta de números con valores muy cercanos
Suponer que se deben restar dos números muy cercanos X=578.1, Y=577.8 con error de
redondeo en el segundo decimal: EX=EY=0.05 aproximadamente (ambos errores pueden ser del
mismo signo o de diferente signo, depende de la forma como se obtuvieron los datos X, Y)
X Y
X Y
E E
e 0.000086 0.0086% , e 0.000086 0.0086%
X Y
=≅ = =≅ =
Cota para el error de redondeo relativo:
X Y X Y X Y
X Y
E E E E E
e
X Y X Y X Y X Y
−
−
−
= = = −
− − − −
X Y
X Y
E E
| e | | | | |
X Y X Y
− ≤ + −
− −
X Y
0.05 0.05
| e | | | | | 0.3333 33.33%
578.1 577.8 578.1 577.8
− ≤ + − ≅ =
− −
El aumento en la cota del error en el resultado es muy significativo con respecto a los operandos.
Se concluye que se debe evitar restar números cuya magnitud sea muy cercana.
Adicionalmente habría que aumentar el efecto del error de redondeo r al almacenar el resultado.

9. 22
2.2.7 Ejercicios
1. Suponga que tiene tres algoritmos: A, B, C con eficiencia respectivamente:
TA(n) = 5n + 50
TB(n) = 10n ln(n) + 5
TC(n) = 3n
2
+ 1
a) Determine n a partir del cual A es más eficiente que B
b) Determine n a partir del cual B es más eficiente que C
c) Coloque los algoritmos ordenados según el criterio de eficiencia establecido
2. Exprese la eficiencia de los algoritmos A, B, C con la notación O( )
3. Los computadores actuales pueden realizar 100 millones de operaciones aritméticas en un
segundo. Calcule cuanto tiempo tardaría este computador para resolver un problema de tamaño
n=50 si el algoritmo es de tipo:
a) Polinomial de tercer grado
b) Exponencial
c) Factorial
4. Determine la función de eficiencia T(n) del algoritmo Triangular incluido en el capítulo 1 y
exprésela con la notación O( ). Suponga que es de interés conocer la cantidad total de
multiplicaciones que se realizan.
5. Encuentre la cota del error relativo en la siguiente operación aritmética:
T = X(Y – Z)
El error de redondeo relativo de los operandos es respectivamente eX, eY, ez, y el error
de redondeo relativo en el dispositivo de almacenamiento es rm
a) Primero se realiza la multiplicación y luego la resta
b) Primero se realiza la resta y luego la multiplicación
6. Dado el siguiente algoritmo
Ingresar n
Mientras n>0 repita
d ← mod(n, 2) Produce el residuo entero de la división n/2
n ← fix(n/2) Asigna el cociente entero de la división n/2
Mostrar d
fin
a) Recorra el algoritmo con n = 73
b) Suponga que T(n) representa la cantidad de operaciones aritméticas de división que se
realizan para resolver el problema de tamaño n. Encuentre T(n) y exprésela con la notación O( )
Para obtener T(n) observe el hecho de que en cada ciclo, el valor de n se reduce
aproximadamente a la mitad.